基于模糊神经网络的蔬菜病害诊断模型研究.docVIP

基于模糊神经网络的蔬菜病害诊断模型研究 　　摘要：为探索蔬菜病害诊断的有效方法，研究采用模糊系统与神经网络相结合的方法，在对蔬菜病害症状进行合理划分的基础上，利用综合考虑症状特征及隶属度的术语统一描述输入向量构建方法，建立蔬菜病害模糊神经网络诊断模型。结果表明，输入向量构建方法有效地表达了病害诊断规律，诊断模型容错能力强，正确率达85.5%。 　　关键词：模糊神经网络；蔬菜；病害；诊断 　　中图分类号：TP182；S435 文献标识码：A 文章编号：0439-8114（2013）17-4224-04 　　Research on vegetables Disease Diagnosis Model Based on Fuzzy Neural Network 　　WEI Qing-feng，LUO Chang-shou，CAO Cheng-zhong，GUO Qiang 　　（Institute of Agriculture Science and Technology Information， Beijing Academy of Agriculture and Forestry Sciences， Beijing， 100097） 　　Abstract： To explore the effective method for the diagnosis of vegetables diseases， through reasonable division of symptoms， using input vector construction method which contained characteristics of symptoms and membership grade， a vegetables disease diagnosis of fuzzy neural network model was constructed. The experimental results showed that the input vector construction method had effectively expressed the disease diagnosis rule， the model had strong fault tolerant ability， and the average diagnostic accuracy was 85.5%. 　　Key words： fuzzy neural network； vegetable； disease； diagnosis 　　收稿日期：2013-01-30 　　基金项目：国家现代农业科技城综合信息“三农”服务平台建设项目（PT01）；北京市自然科学基金项目（9093019）；北京农业科学院信息所 　　创新基金项目（SJJ201203） 　　作者简介：魏清凤（1983-），女，湖北武汉人，助理研究员，硕士，主要从事农业信息技术的研究工作，（电话电子信箱） 　　weiqingfeng201@163.com；通讯作者，罗长寿，副研究员，（电话）010电子信箱）luochangshou@163.com。 　　病害是影响蔬菜优质生产的重要制约因素之一。我国农村基层还相对缺乏有经验的病害诊断专家，对蔬菜病害不能正确判断，不但延误了防治最佳时机，还严重降低了蔬菜品质。 　　当前农业病害诊断技术方法主要有图像分析诊断[1-4]、专家系统诊断[5-7]以及人工神经网络诊断[8]等。基于图像分析的病害诊断方法其图像的获取受环境光照的影响较大，且需要专业人员在室内进行数据分析和识别，时效性差，无法实时满足具体生产实践的要求。基于专家系统的诊断方法，采用 IF-THEN产生式推理，存在诊断知识获取有瓶颈、推理规则更新难、容错能力差、串行搜索运行效率低等不足。近年基于人工神经网络的方法无需建立推理规则，具有自学习及并行处理能力，较引人注目，但存在对病害症状的典型性、非典型性模糊特点无法区分度量，样本诊断规律学习不充分等问题。模糊神经网络可以将不确定的症状信息通过模糊隶属集来表示，能解决诊断系统中的不确定性知识表示、并行推理等问题，对具有模糊性复杂性的蔬菜病害诊断非常适用。此文利用模糊系统和神经网络相结合的方法，在对病害特征模糊量化方法研究的基础上，建立能够实际应用的蔬菜病害模糊神经网络诊断模型，为蔬菜病虫害防治提供依据。 　　1 蔬菜病害诊断知识整理 　　一般研究中，将植株的发病部位划分为根、茎、叶、花、果5个部分[9]。由于部分蔬菜病害（如猝倒病）在苗期即表现出典型症状，因此，为提高诊断的全面性和